Analisi del Sentimento Spiegabile
L'analisi del sentimento spiegabile abbina un modello di classificazione del sentimento — tipicamente un trasformatore fine-tuned come BERT o RoBERTa — a un metodo di spiegazione post-hoc o intrinseco (SHAP, LIME, visualizzazione dell'attenzione, o gradienti integrati) che rivela quali parole, frasi o caratteristiche hanno guidato ciascuna predizione. L'obiettivo è sia un'elevata accuratezza predittiva sia razionali trasparenti e verificabili per ogni etichetta.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Danilevsky, M., Qian, K., Aharonov, R., Katsis, Y., Kawas, B., & Sen, P. (2020). A Survey of the State of Explainable AI for Natural Language Processing. Proceedings of the 1st Conference of the Asia-Pacific Chapter of the ACL and the 10th IJCNLP, 447–459. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems (NeurIPS), 30, 4765–4774. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Explainable Sentiment Analysis (XAI-augmented Opinion Mining). ScholarGate. https://scholargate.app/it/deep-learning/explainable-sentiment-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Classificazione basata su BERT SpiegabileApprendimento profondo↔ compare
- Classificazione basata su RoBERTaApprendimento profondo↔ compare
- Sentence EmbeddingsApprendimento profondo↔ compare
- Topic ModelingApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →